Facebook語音助理髮展慢背後：急功近利干擾開發程序
新浪科技訊 北京時間11月1日早間訊息，據美國《福布斯》雜誌網站報道， Facebook 本月早些時候釋出的智慧音箱產品Portal背後問題不少，除了資料與隱私爭議，這款智慧音箱還有個明顯的缺陷——缺少Facebook自己的語音助理，而是搭載 亞馬遜 的Alexa。
這樣就出現一個很尷尬的局面：花350美元購買Portal的Facebook使用者實際上接入的是亞馬遜系統，而亞馬遜的同類產品Echo Show比Portal至少便宜100美元。而且Facebook無法收集任何語音資料，使其語音技術得到進一步訓練。
Facebook從2013年開始大力投資語音技術。然而，儘管起步較早，作為擁有30275名員工、2017年利潤近160億美元的世界最大高科技企業之一，該公司尚未在語音領域贏得一席之地，而該技術被廣泛認為是下一代人機溝通的媒介。
這凸顯出Facebook在將新技術轉化為產品方面存在巨大困難。過去五年，Facebook收購了多家語音公司，並聘請了很多語音技術專家，但兩名知情人士表示，上述投資難以轉化為有用的服務。原因很大程度上在於Facebook內部的意見分歧——在研發進度上產生混亂，以及開發者無法決定集中的領域。
直到大約兩年前，公司內部人員才一致同意開發Portal，但已經太遲。“Facebook想在Portal上使用自己的語音轉文字技術，但還沒有準備好，”一位不願意透露姓名的資深工程師對媒體說。使用Alexa是一個“重大劣勢”，“如果無法獲取資料，就很難進步和學習，並做出改進。”
Facebook的一位發言人在迴應中指出，Portal使用者可以通過說“嘿，Portal”來啟用裝置，以啟動呼叫和訪問裝置控制，但該發言人承認，公司必須與亞馬遜合作，“提供人們期望從家用裝置中獲得的各種工具”。Facebook沒有回答關於語音技術開發的問題。在2016年，Facebook當時的Messenger主管大衛·馬庫斯（David Marcus）說，該公司對語音技術的開發“不夠積極”。
產品經理與工程師矛盾干擾開發
事實上，Facebook一直致力於語音技術的開發，但產品經理和語音研發者之間的意見分歧干擾了努力方向。由於產品經理的開發進度要求快於技術本身發展的水平，這讓工程師倍感壓力。
一位資深工程人士說，產品經理經常希望語音技術研究能在“半年內”轉化為產品。問題在於，由於語音技術的複雜性，構建語音技術需要半年以上時間。語音資料在不斷變化，麥克風的型別不同，還有不同的口音和麥克風之間不同的處理硬體。要構建識別語音的軟體，還需要首先在語音資料庫上進行訓練，然後將其投入實際應用，然後進一步在真實語音上進行訓練。
比如 蘋果 Siri的這一過程持續兩年多。當蘋果在2011年10月推出Siri時，它將語音識別軟體外包給了Nuance，一個語音識別領域的老牌企業。但蘋果不喜歡在戰略產品方面依靠第三方，因此開始著手建立自己的軟體。2013年，蘋果在波士頓（距離Nuance幾英里）設立了語音技術辦公室，2015年，蘋果公司悄悄放棄了Nuance這一合作伙伴。
就語音識別技術總體而言， 谷歌 處於領先地位。愛爾蘭語音技術初創公司Voysis創始人皮特·卡希爾（Peter Cahill）對矽谷語音領域的描述是：“Google在頂部，然後是亞馬遜和蘋果，然後是Facebook。”他補充說，“最後一家正在努力冒出來。”
當時在Facebook高管團隊中，有人希望使用語音技術研發Siri之類的數字助理，但這些專案需要長期付出大量時間和人力。由於研究者和產品經理之間缺乏合作，最終都不了了之。
訊息人士稱，很多參與開發Facebook語音專案的產品經理對其中所涉及的技術缺乏清醒的認識。經理們也往往每三到六個月一換，核心人員被吸引到大名鼎鼎的內部研究部門——FAIR和AML。這就相當於不斷栽樹，卻不給它生根成長的機會。說到底，Facebook的問題在於缺少“一個有凝聚力的團隊”。
比如，Facebook每六個月舉行一次小組產品評審，通常會使研發方向發生變化，從基於語音的搜尋，到新聞轉錄，再到Messenger語音助理——所有這些內部專案均未轉化為產品。
收購初創企業獲得技術被浪費
值得稱道的是，Facebook在語音技術方面起步較早。2013年收購了移動科技（Mobile Technologies）——一家由卡內基梅隆大學（Carnegie Mellon University）推出的初創公司。他們開發了一款早期的翻譯應用程式Jibbigo，可以聽一種語言的語音，然後用另一種語言播放。當Facebook以未公開金額收購這家初創公司及其幾十名研究人員時，引發了令人興奮的猜測，即Facebook將開始與蘋果Siri或者更多競爭對手合作。
“語音技術已經成為人們導航移動裝置和網路的方式，其重要性日益顯現，”當時領導這項交易的Facebook的湯姆·斯托基（Tom Stocky）寫道。“這項技術將幫助我們更新我們的產品以適應進化需要。”
然而，即使Facebook將Jibbigo的團隊規模擴充到原來的兩倍，後者的語音識別技術最終也沒派上用場。據參與交易的人士透露，Facebook主要想利用Jibbigo的技術來翻譯使用者帖子中的文字，這樣就不必依賴 微軟 的必應（Bing）。而Jibbigo研發的語音識別技術在一年後“下馬”，此人補充說，這一收購基本上就是一場浪費。“它沒有產生足夠的點選……（人們）沒有那麼多說另一種語言的朋友。”
語音技術由兩個關鍵組成部分組成。第一個是語音識別，還有一個是自然語言理解，也被稱為語音AI。
2014年，Facebook收購了Wit.ai——一家專門從事自然語言理解的公司，向開發者授權使用軟體，把文字的混亂結構變成可用軟體查詢的資料。然而，Facebook並沒有將該公司的技術和語音識別技術結合起來，而是使用它來幫助企業建立Facebook Messenger聊天機器人，這是在2016年4月發起的一項變現計劃。
“Facebook從來沒有明確的語音識別策略，”另一位高階工程人員說。“從來不清楚為什麼要買下（Jibbigo）。這在內部是個大問題。我們知道有這樣一支團隊，但沒人知道他們為什麼出現在這裡。”
內部研究機構成“雞肋”
據訊息人士透露，Facebook的語音努力最終體現在2015年到2017年的兩個領域：一個是轉錄Facebook視訊的音訊，以製作實時字幕，另一個是釋出Facebook人工智慧部門FAIR（即Facebook人工智慧研究）的尖端研究成果。
Facebook在2013年12月啟動FAIR專案，該部門常被比作DeepMind——2014年穀歌花費4億美元併購的AI研究公司。這個部門由50名研究人員組成，在AI研究“大咖”Yann LeCun的帶領下解決人工智慧中的長期問題。公司內部還有一個類似部門稱為AML（即應用機器學習），有大約100名工作人員，負責人工智慧研究的商業化。
根據Facebook一位資深人士透露，這些部門的所扮演的角色很複雜——聚集一堆研究者，但對產品開發毫無貢獻，還引誘技術熟練的工程師脫離產品開發。“它創造了一個平行的研究世界，”訊息人士說。
最終，Facebook之所以沒有更多投入於語音技術的開發，原因正如知情者所言：“沒有客戶，沒有人對Facebook說‘我需要這種技術。’”
這正是那些想在更廣泛競爭中勝出的高科技公司所面臨的挑戰。不斷創新意味著在一個尚未被證實的技術上投下決定性賭注，即使缺少明顯的客戶。Facebook之前沒有在語音技術上及時發力，等他們出手時，早已時不我待。(斯眉)